Trong thời đại AI, ai sẽ bị loại bỏ? Hai cựu sinh viên Harvard và công ty tư vấn quản lý McKinsey, Bradley và Harvey, đã bàn về chủ đề này trong video có tựa đề “Trong thế giới quyết định ở chiều khác, việc theo đuổi độ chính xác có thể hoàn toàn vô nghĩa”.
Bradley bắt đầu đề cập rằng AI hoàn toàn không thể “đọc không khí”, nhưng đây lại là yếu tố then chốt để biến ý tưởng thành hiện thực. Trong ngành tư vấn quản lý, phần tốn nhiều thời gian nhất là cân nhắc xem nên đưa vào nội dung gì. Ví dụ như “Việc dùng từ này có thể gây phản ứng cảm xúc của một số người không?” Những câu hỏi kiểu này AI khó có thể đánh giá, đồng thời cũng rất thử thách khả năng nắm bắt tình hình thực tế của con người.
Harvey nói rằng, những người đã được đào tạo và có tầm nhìn, khi được cung cấp AI, sẽ như thêm cánh tay đắc lực. Bởi vì họ biết “điều gì là tốt”, những gì AI đưa ra, họ có thể chỉnh sửa để trở nên tốt hơn. Nhưng những người mới ra trường chưa rõ thế nào là tốt, AI đưa ra câu trả lời, họ sẽ tiếp nhận nguyên xi. Trong tương lai, điều cần là dùng AI để đạt 80 điểm rồi tinh chỉnh để đạt 100 điểm. Nhưng những người thiếu khả năng phán đoán sẽ chỉ giao ra 80 điểm. Dù AI giúp bạn làm bao nhiêu, bạn vẫn phải bổ sung phần cuối cùng. Điều kiện tiên quyết là bạn phải biết điểm khác biệt nằm ở đâu.
AI không thể đọc không khí, nhưng chính đây lại là yếu tố then chốt để đưa công việc vào thực tế
Bradley nói rằng AI hoàn toàn không thể “đọc không khí”, ông đề cập rằng hiện tại AI vẫn chưa thể thực sự hiểu được phản ứng cảm xúc tiềm năng của mọi người. Tuy nhiên, điều này lại cực kỳ quan trọng để “làm một thứ gì đó thực sự đi vào cuộc sống”. Cần phải thực sự ngồi xuống, tương tác trực tiếp với con người để hiểu những điều tinh tế này. Trong bối cảnh kinh doanh, điều này trở thành một điểm học hỏi cực kỳ quan trọng và khác biệt lớn nhất.
Sau khi AI xuất hiện, phân tích dữ liệu rõ ràng sẽ dần dần bị AI thay thế, đây là xu hướng không thể đảo ngược. Nhưng cuối cùng, vẫn sẽ quay về một vấn đề: ai có thể cầm những dữ liệu đã qua phân tích đó để đưa ra quyết định tốt, và giúp cả nhóm cùng thống nhất hướng đi tiếp theo.
Đây thực sự mới là điều khó khăn nhất. Nhiều quyết định cuối cùng vẫn cần con người giải thích và đánh giá.
Người viết bổ sung: Các mô hình ngôn ngữ lớn, như tên gọi của nó, dựa trên nguyên lý huấn luyện là cung cấp lượng dữ liệu khổng lồ để chúng dự đoán từ tiếp theo có khả năng xuất hiện cao nhất. Nhờ vào kho dữ liệu khổng lồ này, chúng hiểu được ngữ cảnh trước sau, rồi xuất ra nội dung dựa trên đó. Chúng biết rằng các câu như “Táo rơi xuống” thường xuất hiện, nhưng không hiểu lực hấp dẫn. Tương tự, chúng cũng khó có thể hiểu được những tình huống trừu tượng như “đọc không khí”. Tuy nhiên, trong lĩnh vực phân tích dữ liệu, chúng chỉ còn thiếu hiệu quả của mô hình.
Dùng AI để làm báo cáo? Thật sự then chốt vẫn là khả năng phán đoán
Bradley lấy ví dụ về việc làm bài thuyết trình. Trước đây trong giới học thuật, có thể mất nhiều thời gian để chỉnh sửa định dạng, phân tích dữ liệu, rồi tổng hợp nội dung, sau đó lên sân khấu trình bày và thảo luận. Nhưng trong công ty tư vấn quản lý, phần thực sự tốn thời gian là “cân nhắc xem nên đưa vào nội dung gì” và “cách diễn đạt câu nói đó như thế nào”.
Harvey bổ sung rằng, việc dùng từ này có thể gây nhạy cảm cho một số người tại hiện trường không? Có thể kích hoạt phản ứng cảm xúc trực giác không? Bởi vì khi hạt hạnh nhân của họ bị kích hoạt, tai của họ gần như sẽ đóng lại.
AI sinh ra đã bị giới hạn, rất khó để thực hiện những đánh giá trừu tượng và chủ quan như “việc dùng từ này có thể gây phản ứng cảm xúc không?” Vì vậy, dù AI có thể giúp đỡ, hiệu quả đã được nâng cao rõ rệt, nhưng điều quan trọng nhất vẫn là “con người” phải đánh giá toàn cảnh tình huống.
Ở đây, “khả năng phán đoán” chính là từ khóa. Harvey nói rằng, khi bạn có thể đưa ra những phán đoán này, nghĩa là bạn đã nắm rõ về con người tại hiện trường, nền tảng của họ, suy nghĩ của họ đến mức độ nào.
Vì vậy, mỗi lần có người hỏi: “AI có thể làm thuyết trình rồi, vậy các nhà tư vấn quản lý có còn cần thiết nữa không?” Harvey sẽ trả lời rằng, nếu chỉ là giao báo cáo phân tích, thì AI hoàn toàn có thể thay thế. Nhưng nếu mục đích của bài thuyết trình là “thúc đẩy sự thay đổi”, thì yếu tố then chốt chính là khả năng phán đoán. Nếu bạn để AI hoàn toàn đại diện cho mình, bạn cũng phải chấp nhận một rủi ro: giá trị phán đoán của AI trở thành giá trị của bạn. Nhưng vấn đề là: giá trị phán đoán của AI là gì? Ở một mức độ nào đó, nó vẫn là một “hộp đen”.
Điểm mấu chốt của PowerPoint là “make a point”
Harvey chỉ ra một điểm then chốt: bài thuyết trình không phải để “giao bài”, mà để “make a point”. Tên gọi PowerPoint xuất phát từ việc nó giúp bạn truyền đạt quan điểm. Cần có bài thuyết trình để truyền đạt ý kiến, nhưng không chỉ dựa vào đó, vẫn cần các năng lực khác.
Ông đề cập rằng vai trò của người quản lý, về cơ bản, là sử dụng tầm nhìn của chính họ, như thế nào mới gọi là tốt? Làm thế nào để biết cần phải quay lại chỉnh sửa? Làm thế nào để xử lý các vấn đề liên quan đến con người? Những điều này mới là năng lực lãnh đạo quan trọng nhất.
Người có tầm nhìn dùng AI như thêm cánh tay đắc lực, người không có khả năng phán đoán chỉ biết tiếp thu nguyên xi
Harvey nói rằng, những người đã được đào tạo và có tầm nhìn, khi được cung cấp AI, sẽ như thêm cánh tay đắc lực. Bởi vì họ biết “điều gì là tốt”, những gì AI đưa ra, họ có thể chỉnh sửa để trở nên tốt hơn. Nhưng những người mới ra trường chưa rõ thế nào là tốt, AI đưa ra câu trả lời, họ sẽ tiếp nhận nguyên xi, điều này cực kỳ nguy hiểm.
Người thực sự giỏi là người dùng AI để đạt 80 điểm rồi tinh chỉnh để thành 100 điểm. Nhưng những người thiếu khả năng phán đoán sẽ chỉ giao ra 80 điểm. Trong thời đại này, 80 điểm không còn giá trị nữa, vì AI có thể làm ra trong vòng một phút. Thị trường đang cần 100 điểm, bất kể AI giúp bạn làm bao nhiêu, bạn vẫn phải bổ sung phần cuối cùng. Điều kiện tiên quyết là bạn phải biết điểm khác biệt nằm ở đâu.
Kỹ năng then chốt của tương lai nơi công sở: chủ động học hỏi, chủ động chỉnh sửa, chủ động nâng cao tiêu chuẩn của chính mình
Harvey chia sẻ rằng ông rất biết ơn những người đã hướng dẫn, chỉnh sửa ông suốt chặng đường. Khi bị mắng, thực ra là đang rèn luyện khả năng phán đoán. Giờ đây, khác xưa, những việc trước đây phải dựa vào con người làm, nay AI có thể thay thế. Vậy còn cần bỏ công đào tạo người mới nữa không?
Ở đây, ông đưa ra một phép đánh giá then chốt: tổ chức trong tương lai sẽ ngày càng ưu tiên giữ lại những người “sẵn sàng mài giũa đến 100 điểm”. Nếu bạn chỉ giao những thứ đạt 80 điểm, AI có thể thay thế. Khi các quyết định ảnh hưởng lớn về tiền bạc và phạm vi, điểm chung của các nhà ra quyết định cấp cao là khả năng phán đoán của họ đã đạt đến mức độ phù hợp.
Tính cách nóng nảy, dịu dàng, hướng nội hay hướng ngoại đều không quan trọng, điều quan trọng là “tầm nhìn”. Mọi bước đi đều có ý nghĩa, kể cả bị mắng, bị chỉnh sửa, nhìn lại đều rất quý giá. Nhưng vấn đề hiện nay là: đã không còn ai bắt buộc phải dạy bạn nữa. Ông khuyến khích người mới chủ động tìm kiếm phản hồi. Trước đây, chờ bị mắng là chuyện bình thường, giờ đây phải chủ động hỏi người khác: “Tôi còn có thể cải thiện gì nữa không? Làm thế nào để tốt hơn?”
Hiện tại, mọi người đều đang tìm kiếm “người có thể đạt 100 điểm”. Vì vậy, kỹ năng then chốt nơi công sở trong tương lai là: chủ động học hỏi, chủ động chỉnh sửa, chủ động nâng cao tiêu chuẩn của chính mình.
Vì những điều này, sẽ không còn ai giúp bạn làm nữa.
Bài viết này cho thấy AI chỉ làm được 80 điểm, người không thể đạt 100 điểm sẽ bị loại bỏ! Các cựu sinh viên Harvard và McKinsey khuyên người mới nên làm gì. Bài viết lần đầu xuất hiện trên ABMedia của Chain News.
